IA em dermatologia

A inteligência artificial é eficaz e segura para detectar e classificar câncer de pele no ambiente clínico?

Resposta

A revisão sistemática teve como objetivo examinar pesquisas sobre detecção, classificação e avaliação de imagens de câncer de pele em ambientes clínicos. Foram realizadas buscas em quatro bases de dados (PubMed, Scopus, Embase e Web of Science) até abril de 2023, com seleção e extração de dados por dois revisores independentes. A síntese foi narrativa.

Dos 760 estudos identificados, apenas 18 foram selecionados, focando no desenvolvimento, implementação e validação de sistemas para detectar, diagnosticar e classificar câncer de pele em ambientes clínicos. A revisão abordou análise descritiva, cenários de dados, processamento e técnicas, resultados e perspectivas dos estudos, além de diversidade, acessibilidade e participação médica.

Os achados indicam que a aplicação da inteligência artificial em dermatologia tem o potencial de revolucionar a detecção precoce do câncer de pele. No entanto, os autores concluem que é imperativo validar e colaborar com profissionais de saúde para garantir a eficácia clínica e a segurança dessas ferramentas.

A revisão também destaca a necessidade de considerar a diversidade genética e étnica dos pacientes, bem como questões éticas, na adoção da IA. A escassez de especialistas é apontada como um contexto em que a ferramenta pode ser útil, complementando avaliações clínicas tradicionais.

Assim, a IA surge como ferramenta promissora, mas sua incorporação na prática clínica requer validação rigorosa e integração com o julgamento médico, não substituindo a avaliação profissional.

O que o estudo mostrou

Revisão sistemática com busca em quatro bases de dados até abril de 2023, identificando 760 estudos, dos quais 18 foram selecionados. Os estudos focaram no desenvolvimento, implementação e validação de sistemas de IA para detecção, diagnóstico e classificação de câncer de pele em ambientes clínicos. A síntese narrativa abordou análise descritiva, cenários de dados, técnicas, resultados e perspectivas, além de diversidade e participação médica. A conclusão aponta potencial para revolucionar a detecção precoce, mas com necessidade de validação e colaboração profissional.

Limitações

O resumo não informa detalhes sobre as limitações dos estudos incluídos, como heterogeneidade metodológica, tamanho amostral ou vieses. A revisão é narrativa e não apresenta meta-análise. Não são descritas características específicas das populações ou dos sistemas avaliados, nem a qualidade da evidência. O resumo também não informa sobre a aplicabilidade dos resultados ao contexto brasileiro.

Aplicação no consultório

A IA pode auxiliar na triagem e classificação de imagens dermatológicas, especialmente onde há escassez de especialistas, mas não substitui a avaliação clínica. O médico deve estar atento à validação das ferramentas, à diversidade étnica dos pacientes e às questões éticas. Na gestão do consultório, a incorporação de tecnologias de IA requer treinamento, avaliação de custo-benefício e integração com fluxos de trabalho, além de garantir a segurança e a privacidade dos dados.

Estudo citado

Artificial intelligence for skin cancer detection and classification for clinical environment: a systematic review. Frontiers in medicine, 2023.
Autores: Furriel BCRS, Oliveira BD, Prôa R, Paiva JQ, Loureiro RM, Calixto WP, Reis MRC, Giavina-Bianchi M.
DOI: 10.3389/fmed.2023.1305954 · PubMed: PMID 38259845

Perguntas para aprofundar

• Quais são os critérios de validação necessários para incorporar sistemas de IA na prática dermatológica?
• Como a diversidade étnica e genética dos pacientes influencia o desempenho da IA na detecção de câncer de pele?
• Quais aspectos éticos e regulatórios devem ser considerados ao adotar IA para diagnóstico dermatológico no consultório?

Mais sobre IA em dermatologia

• A inteligência artificial já é confiável para diagnosticar melanoma e carcinoma de queratinócitos na prática dermatológica?
• Aprendizado federado e por transferência são eficazes para classificar câncer de pele melanoma e não melanoma?
• Uma revisão sistemática sobre técnicas de aprendizado profundo para detecção precoce de câncer de pele é útil para o médico brasileiro?
• A classificação de lesões cutâneas por redes neurais convolucionais tem desempenho comparável ao de dermatologistas e pode ser aplicada na prática clínica?
• Modelos de deep learning conseguem diagnosticar líquen plano oral a partir de fotografias clínicas com bom desempenho?

Todas as perguntas sobre IA em dermatologia · Todos os temas · Versão em markdown